業內人士：難度在于風控

從目前的中國互聯網市場來看，阿里巴巴應該是唯一一家建立在風控革新基礎上的金融公司。

阿里金融的核心風控金融模式其實是一條量化放貸的道路，就是阿里巴巴依托自身在網絡體系內的巨大客戶數據優勢，進行有效的數據整合，他將自身網絡內的客戶的一系列有利于進行風險判別的數據例如交易數據，客戶評價度數據、貨運數據、口碑評價、認證信息等等進行量化處理，同時也引入了一些外部數據，例如海關數據、稅務、電力、水力等方面的數據情況加以匹配，從而形成了一套獨特的風控標準，意圖建立起純粹的定量化的貸款發放模型。同時，建立中小企業貸款的數據庫模型，進行數據庫跟蹤管理等等。

這個量化的貸款模型的好處不單是大大提升了放貸效率，更關鍵的其實是讓金融機構在其中的作用得到了弱化，從而為去除金融機構在體系內構建了基礎的可能性。從一些媒體采訪中看到，阿里巴巴的戶均放貸數額在7000元人民幣，一共發放貸款130億元，每天處理一萬筆左右的貸款額，這個數字如果采取的是傳統金融機構的審核標準的話，投入產出明顯不成正比，相信沒有銀行能做這樣規模和數字的交易。而阿里巴巴依托貸款模型和網絡化處理很好地實現了。這就是網絡優勢，也是量化交易的優勢，他排斥了對單個人的定性化分析，通過標準的篩選，大大降低納入范圍內客戶的違約概率，保證貸款的質量。

在這個邏輯體系上，阿里巴巴做足了功夫，也投入了非常龐大的資金和人力，從全球范圍內來看，做這樣定量化標準放貸模型的嘗試一直就有，但是目前為止，還真找不到特別成功的模型。所以確切的效果有待觀察，而且也有點期待，但是事實上，短期來看，阿里金融這個模式成功的可能性還是很小的。

貸款標準設置容易，但是修正很難，這是個很有意思的事情，如果設置的過嚴，那么就會發現找不到符合風控標準的客戶，導致出現無貸款可放的境地，如果貸款標準過于寬松，壞賬一堆的情況也必然可見。這個度的把握就是要在市場中不斷的碰撞才能產生，雖然可以做各種精算，模型測試，但是具體實踐的數值肯定是不斷的積累的。只有形成了極為龐大的實踐數據，才有可能具備一定的合理性。但是前面說了，在金融不穩定、經濟形勢不確定的情況下，很多數據其實是失真、無意義的。

而對阿里來說，兩極分化現象已經越來越嚴重了，好商家越來越好，不好的商家越來越不好，阿里就已演變為幾只大象和一堆螞蟻聚集的地方。這種情況下導致的貸款難題就是，你可能找不到符合你想要發放貸款標準的客戶。風控標準過嚴，會淘汰掉大量的客戶群體，大量螞蟻被擋在了門外，而大象卻又不需要你。如果風控標準過松散的話，你在螞蟻之中，又無法清晰的找到你想要的螞蟻。因為他們都差不多。

其實不要忽視國人的智商，任何標準，在中國只要有標準，都可以想盡一切辦法來造一個符合你標準的樣本出來，我當年在銀行的時候，有個客戶經理很聰明，幾日幾夜不眠不休，不斷測試銀行的評級系統，居然被他給找到了銀行評級管理辦法的系統漏洞，掌握了輸入什么值能讓銀行的交易系統出現較高評級，這種事情，我相信絕對不是偶然。

所以，我相信，阿里巴巴的貸款風控標準，也會在不斷的被測試中被陸續給推敲出來，然后市場上出現各種各樣的造假數據，對于量化貸款交易而言，由于只注重數據，而不太注重貸款主體的情況下，詐騙等案例會不斷出現。

但是不管如何說，技術不斷的在進步，大數據的理論和實踐也都在不斷的開展，所以從這個角度來看，阿里金融是未來最有可能成為真正互聯網金融的一家機構，他雖然不一定能在體系內起到完全去掉金融機構的可能性，但是他至少可以讓金融機構在他的體系內處于從屬的地位。而這恰恰是互聯網金融的本質。